本文为想进入腾讯从事大模型相关工作（如游戏Agent、产业侧、平台岗）的程序员提供求职指导。文章强调不同岗位对技能要求不同，需掌握扎实的软件工程基础、RAG技术、Agent架构设计、评测与可观测性、项目经验及跨团队协作能力。建议备考者系统学习，并通过实战项目提升工程化水平，最终将模型转化为稳定上线的系统。
先说结论：腾讯不同事业群、业务线和职级的要求差异很大，没有统一标准。游戏Agent可能更看重模型训练，产业侧更强调私有化交付，平台岗则会深挖Runtime、沙箱和可观测性，不能只用一套项目投所有岗位。
1️⃣软件工程基础必须扎实
至少熟练掌握Java、Go、Python或C++中的一门，具备数据结构、算法、数据库、缓存、消息队列和分布式系统基础。
腾讯部分公开岗位会直接要求API、异步任务、权限控制、服务治理，以及真实系统的设计、开发和上线经验。
Agent首先是软件系统，会写Prompt不能替代工程能力。
2️⃣RAG要做到能定位问题
文档解析、Chunk策略、Embedding、向量索引、混合检索、Rerank和引用溯源都要懂。
如果召回20段内容，但上下文只能放5段，你要能根据相关性、时效性和业务权重做筛选，而不是简单调大Top-K。
面试官更关心的是：知识库有答案却没召回，你如何判断问题出在切块、索引、查询改写还是重排
3️⃣Agent不能只会套框架
LangChain、LangGraph、MCP和Function Calling可以会，但重点是任务规划、工具路由、状态管理、记忆更新与失败恢复。
工具超时后能不能直接重试？模型连续调用同一接口怎么终止？涉及付款、删除和发送消息时，是否需要权限校验与人工确认？
公开岗位已经明确提到Agent架构、RAG、推理服务化、工具链集成、Runtime和沙箱隔离等能力。
4️⃣评测与可观测性是分水岭
完整项目要统计任务完成率、工具选择准确率、参数错误率、平均延迟、Token成本和人工接管率。
线上还要保留Logs、Traces和Metrics，能够重放Agent每一步决策。腾讯也有岗位专门负责Agent可观测体系建设。
5️⃣项目必须经得住连续追问
至少准备1—2个完整项目，能够讲清业务问题、架构选择、Bad Case、优化过程和量化结果。
跨团队协作同样重要。模型效果不达预期时，要能说明如何和算法、产品、测试一起定位问题，而不是把责任都归结为“模型能力不行”。
备考时每天保持2小时：补基础、写代码、复盘异常；每周做一次系统设计题，并用固定评估集测试项目。不同事业群还要准备不同的项目讲法，让经历真正对应岗位场景。
真正达到腾讯Agent社招强度，不是简历堆满框架名，而是能把一个不确定的模型，做成可控制、可评测、能稳定上线的工程系统。
大模型的知识又多又杂，到底怎么学？
做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。
第一阶段（10天）：初阶应用
这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。
为什么要做 RAG
搭建一个简单的 ChatPDF
检索的基础概念
什么是向量表示（Embeddings）
向量数据库与向量检索
基于向量检索的 RAG
搭建 RAG 系统的扩展知识
混合检索与 RAG-Fusion 简介
向量模型本地部署
…
走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。
第三阶段（约20天）：动手微调
学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
第四阶段（20天）：商业闭环，部署落地
技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：
1、大模型系统化学习路线
2、大模型学习视频教程
3、大模型学习书籍&电子文档
4、AI大模型最新行业报告
5、大模型项目实战&配套源码
6、2026大模型大厂面试真题
7、为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
8、适合谁学？
- 传统后端 / Java / 前端开发，想转型 AI 应用
- 大学生、应届生，想拿更好的 offer
- 产品经理、运营，想武装职业竞争力
- 技术负责人，想给团队落地提效
学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。
9、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。
